开店选址分析

开店选址综合分析助手。用户输入目标地址和开店类型，自动整合高德地图实时数据（地理编码、POI搜索、交通态势），从人流量、用户群体、客流特点、消费情况、竞品分析六大维度进行评估，生成交互式HTML可视化选址报告（含评分仪表盘、雷达图、竞品对比表、行动建议）。覆盖餐饮零售服务等全业态。触发词：开店选址、选址分析、店铺选址、选店面、开店评估、门店选址、帮我选店面、这地方能开店吗、开奶茶店选哪里、餐饮选址。

开店选址分析技能

概述

基于高德地图 Web服务 API 的开店选址综合评估工具。用户提供目标地址 + 开店类型， 自动完成地址解析 → 周边设施分析 → 实时交通态势 → 竞品搜索 → 六维加权评分 → 交互式 HTML 报告生成的全流程。

触发场景

用户提出选址相关诉求时触发：

• "帮我在XX路分析一下适不适合开奶茶店"
• "三里屯太古里适合开火锅店吗"
• "分析一下XX小区的开店选址"
• "我正在选店面，帮我评估XX地址"

工作流程

1. 收集用户输入

确认以下信息，用户未提供时提问：

• 目标地址（必填）：中文详细地址或地标名称
• 开店类型（必填）：如奶茶店、火锅店、便利店、理发店、咖啡店
• 分析半径（可选，默认1000m）：如不需要修改则使用默认值

2. 获取 API Key

检查 AMAP_KEY 环境变量是否已设置。若未设置，提示用户获取：

text

请先设置高德地图API Key（免费申请：https://console.amap.com/dev/key/app）：
- 环境变量: export AMAP_KEY="your_key"
- 或传给脚本: --amap-key YOUR_KEY

3. 执行分析

调用 scripts/analyze_location.py：

bash

python "{baseDir}/scripts/analyze_location.py" \
  --address "用户提供的地址" \
  --store-type "用户提供的开店类型" \
  --radius 1000 \
  --output "{outputDir}/analysis_result.json"

路径说明：

• {baseDir} = 技能安装目录（如 ~/.workbuddy/skills/store-location-analysis）
• {outputDir} = 当前工作空间的输出目录

4. 生成 HTML 报告

调用 scripts/generate_report.py：

bash

python "{baseDir}/scripts/generate_report.py" \
  --input "{outputDir}/analysis_result.json" \
  --output "{outputDir}/选址分析报告.html"

5. 展示结果

使用 present_files 向用户展示生成的 HTML 报告。

分析维度说明

维度	权重	数据来源	评分逻辑
人流量	30%	交通拥堵指数 + POI密度	缓行(80分) > 拥堵(70分) > 严重拥堵(40分) > 畅通(35分)
用户群体	20%	周边住宅/写字楼/学校密度	加权计算 POI数量
客流特点	15%	地铁/公交站点数量	交通枢纽越多分越高
消费情况	15%	商业/餐饮/娱乐设施密度	配套设施越丰富分越高
竞品分析	15%	同类店铺搜索	竞品越少分越高(0家=50分,1-3家=90分,>15家=20分)
商业环境	5%	医疗/娱乐设施	辅助评估宜居性

综合评级

• A级(85+): 强烈推荐，各方面条件优异
• B级(70-84): 推荐，整体条件良好
• C级(55-69): 谨慎考虑，存在一定风险
• D级(40-54): 不推荐，多个维度不理想
• E级(<40): 强烈不推荐，不适合开店

报告内容

生成的 HTML 报告包含：

1. 综合评分仪表盘 — 环形进度条 + 评级
2. 六维雷达图 — Chart.js 交互式雷达图
3. 实时人流与交通态势 — 交通拥堵指数分析
4. 周边设施全景 — 8类POI网格卡片
5. 竞品分析 — 竞品列表 + 距离分布 + 战略洞察
6. 六维详细评分 — 横向进度条 + 评分说明
7. 行动建议 — P0/P1/P2 优先级排序的建议清单

脚本说明

scripts/analyze_location.py

核心分析脚本，调用高德地图 API 获取数据并计算评分。

参数：

• --address：目标地址（必填）
• --store-type：开店类型（必填）
• --radius：分析半径米数（默认1000）
• --amap-key：高德API Key（或通过环境变量 AMAP_KEY 设置）
• --output / -o：输出JSON文件路径

输出：JSON 结构，包含 geo/surroundings/traffic/competitors/scoring 等字段。

错误处理：

• 地理编码失败 → 提示用户检查地址格式
• API Key缺失 → 引导获取 Key
• 网络超时 → 自动重试3次，间隔1秒

scripts/generate_report.py

报告生成脚本，将JSON分析数据渲染为交互式HTML。

参数：

• --input / -i：分析数据JSON文件（必填）
• --output / -o：输出HTML路径（默认：_report.html）

references/api_config.md

API 配置指南，包含获取 Key、配额信息、备用方案说明。 需要时加载到上下文中。

扩展与自定义

调整评分权重

编辑 analyze_location.py 中的 compute_scores 函数，修改 weights 字典：

python

weights = {
    "foot_traffic": 0.30,        # 人流量
    "customer_demographics": 0.20,  # 用户群体
    "traffic_pattern": 0.15,     # 客流特点
    "spending_power": 0.15,      # 消费情况
    "competition": 0.15,         # 竞品分析
    "environment": 0.05,         # 商业环境
}

适配不同行业

不同行业的选址偏好不同，可在执行分析前询问用户行业偏好并调整分析半径：

• 餐饮：500-1000m（步行可达）
• 便利零售：300-500m（社区覆盖）
• 大型商超：3000-5000m（车行可达）
• 服务类：1000-2000m

技术限制与说明

1. 摄像头实时数据：公共道路摄像头画面不可通过公开 API 获取。本技能使用高德交通态势 API（拥堵指数 + 路段流速）作为人流量代理指标，效果等效。
2. 消费数据：高德 API 不直接提供人均消费数据，消费力通过周边商业密度和 POI 类型间接推断。
3. 人口画像：基于周边 POI 类型（住宅/办公/学校）推断人群结构，非精确人口统计数据。
4. API配额：高德免费额度单日 POI 搜索 5000 次，每次分析约消耗 12 次。
5. 网络环境：国内使用，无特殊网络要求。